-
公开(公告)号：CN113128369A
公开(公告)日：2021-07-16
申请号：CN202110357123.0
申请日：2021-04-01
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种融合均衡损失的轻量级网络人脸表情识别方法，属于模式识别技术领域。包括以下步骤：首先，提出了样本类别损失函数，利用class_weight设置权重，将样本类别损失融入网络训练之中；其次，提出了样本质量损失函数，利用表情区域关键点定位的方法，筛选出表情质量好坏的图像样本，并通过权重影响的方式融入损失函数之中；然后，利用网络注意力机制，设计了多维注意力损失函数，将两种网络注意力机制形成的特征作为鉴别标签与预测值的度量指标，从而提高网络模型分类准确度；最后，将上述所提三种损失在基于Keras框架的网络模型中进行级联融合形成EQ‑loss，并将其添加到轻量级网络框架中，实现端到端的人脸表情识别。
-
公开(公告)号：CN113128369B
公开(公告)日：2022-07-01
申请号：CN202110357123.0
申请日：2021-04-01
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种融合均衡损失的轻量级网络人脸表情识别方法，属于模式识别技术领域。包括以下步骤：首先，提出了样本类别损失函数，利用class_weight设置权重，将样本类别损失融入网络训练之中；其次，提出了样本质量损失函数，利用表情区域关键点定位的方法，筛选出表情质量好坏的图像样本，并通过权重影响的方式融入损失函数之中；然后，利用网络注意力机制，设计了多维注意力损失函数，将两种网络注意力机制形成的特征作为鉴别标签与预测值的度量指标，从而提高网络模型分类准确度；最后，将上述所提三种损失在基于Keras框架的网络模型中进行级联融合形成EQ‑loss，并将其添加到轻量级网络框架中，实现端到端的人脸表情识别。
-
公开(公告)号：CN116311414A
公开(公告)日：2023-06-23
申请号：CN202211559276.4
申请日：2022-12-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种特征增强的轻量化网络FGNet人脸表情识别方法，属于模式识别技术领域。包括以下步骤：首先，针对深度卷积神经网络过于复杂的问题，设计了一个基于Keras神经网络框架的轻量级网络模型——FGNet，该模型在backbone的基础上加入了通道分片以及通道洗牌；其次，利用网络注意力模块对于通道和空间特征的提取能力，设计了轻量且高效的注意力模块来提取不同尺度的特征并输出具有丰富的多尺度信息，从而提高网络模型的性能；然后，针对人脸表情数据库样本类别不均衡问题，提出了自适应的类别权重，并加权于自定义的损失函数，来进一步的提升各类表情识别的准确率；最后，设计了一个人脸表情识别系统平台并进行了演示，实现端到端的人脸表情识别。
-
公开(公告)号：CN114842534A
公开(公告)日：2022-08-02
申请号：CN202210492125.5
申请日：2022-05-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域自注意力卷积神经网络的人脸表情识别方法，属于模式识别与计算机视觉技术领域包括以下步骤：首先，利用VGG16网络提取输入图像的深度全局特征，在提取特征的同时保留面部表情的全局信息。其次，通过设计的区域局部多值模式与改进的K‑means算法对像素进行动态聚类，保证表情变化区域特征的鲁棒性，并将二值模式扩展到多个模式，整合区域内像素间的灰度差信息，增强纹理描述。此外，通过自注意机制形成区域权值，并使用秩正则化损失约束不同区域的权值。最后，将加权特征与深度网络提取的特征相结合，增强特征的表征能力。本发明旨在建立一个鲁棒的人脸表情识别网络来准确地估计真实环境中面部表情的类别。
-
-
-
Search Results
4
records
(took 0.022 seconds)
